XiaoMi-AI文件搜索系统
World File Search System训练任务
过去解决方案的神经优先级支持概括
我们如何决定在新情况下该怎么做？解决这一难题的一种方法是重用针对其他情况开发的解决方案。现在有一些证据表明，计算过程捕获了这一想法（称为继任特征和普遍的政策改进）可以说明人类如何将先前解决方案转移到新情况下。在这里，我们询问了这个想法的简单表述是否可以解释人类大脑活动，以响应新任务。参与者在fMRI期间完成了多任务学习实验（n = 40）。该实验包括参与者可以用来了解其环境的培训任务，并测试任务以探究其概括策略。行为结果表明，人们对培训任务学习了最佳解决方案（策略），并以奖励选择性的方式将其重复使用测试任务。神经结果表明，训练任务的最佳解决方案在枕皮层和背外侧前额叶皮层中的测试任务期间获得了优先处理。这些发现表明，在解决新任务时，人类评估并概括了过去的过去解决方案。
KC-46 加油机空军需要成熟关键...
2011 年 2 月，美国空军与波音公司签订了一份合同，要求将商用飞机波音 767 的设计改造成军用空中加油机 KC-46。然而，加油系统存在几个严重缺陷，导致该项目开发部分的完成被推迟。严重缺陷是可能导致死亡、严重伤害或疾病，或导致飞机损失或损坏的缺陷。根据最初的合同，波音公司必须在 2017 年 8 月之前交付 18 架最终生产配置的 KC-46 加油机，但这些严重缺陷阻碍了波音公司这样做，从而限制了 KC-46 迄今为止的加油能力。具体而言，2021 财年《国防授权法案》一般禁止空军退役任何额外的 KC-135 型飞机，并要求空军在 2023 财年之前至少保留 26 架 KC-10 型飞机。此外，空军正在评估合同空中加油计划的可行性，以通过支持训练任务来补充空军的加油机队。海军一直在使用合同空中加油服务来支持其训练需求，已有大约 20 年的历史。
2025 年议程
2035 年，欧空局刚刚庆祝了 1975 年成立 60 周年。欧洲与美国、俄罗斯、中国和其他著名太空合作伙伴一起，成长为全球太空领域的领导者。得益于欧空局、欧盟和各国机构的明智投资和新交战规则，太空领域已向私营公司开放，这些公司的活动有助于增加欧洲的就业、利润和包容性增长。欧洲在太空领域的存在提高了其全球影响力、声望和全球经济地位。欧洲不得不彻底改革其 2020 年代的发射系统，并创建了一个全新的、更具竞争力和可重复使用的发射系统。欧洲宇航员奥罗拉即将开始她的冒险之旅，成为第三位登陆月球的欧洲人。这将是她在下一次重大探索飞跃之前的最后一次训练任务：踏上环绕火星的火卫一。火卫一的登陆将巩固欧洲的探索传统，并确认欧洲是人类下一次历史性冒险的一部分：登陆火星。
人工智能驱动的神经康复训练框架
摘要：康复治疗认知障碍是医疗诊所面临的挑战之一，这种障碍可能发生在脑损伤、痴呆和衰老导致的正常认知衰退之后。目前的认知康复治疗已被证明是解决这一问题最有效的方法。然而，a) 它并不适合每个患者，b) 成本高，c) 它通常在临床环境中实施。任务生成器 (TG) 是一个用于生成认知训练任务的免费工具。但是，TG 并非旨在适应和监控患者的认知进展。因此，我们在 BRaNT 项目中提出通过信念修正和机器学习技术、游戏化和远程监控功能增强 TG，使医疗专业人员能够在家中提供长期个性化的认知康复治疗。BRaNT 是一项跨学科的努力，旨在解决当前实践的科学局限性，并为卫生系统的可持续性提供解决方案，并有助于改善患者的生活质量。本文提出了 BRaNT 的 AI-Rehab 框架，解释了在数据不足的情况下的分析挑战，并提出了一种一旦有足够数据就可能适用的替代 AI 解决方案。
通过meta- ...
摘要 - 该论文考虑了通过元强化学习的无人机（UAV）的轨迹设计问题。假定无人机可以在不同的方向上移动以探索特定区域并从该区域的地面节点（GNS）收集数据。无人机的目标是到达目的地，并最大程度地提高轨迹轨迹期间收集的总数据，同时避免与其他无人机发生碰撞。在有关无人机轨迹设计的文献中，香草学习算法通常用于训练特定于任务的模型，并为GNS的特定空间分布提供了近乎最佳的解决方案。但是，当GNS的位置变化时，此方法需要从头开始重新审查。在这项工作中，我们提出了一个元加强学习框架，该框架结合了模型 - 静态元学习方法（MAML）。而不是训练任务特定模型，我们为GNS和不同的通道条件的不同分布进行了共同的初始化训练。从初始化中，适应具有不同GN分布和通道条件的不同任务只需要几个梯度下降。此外，我们还探讨了何时优选提出的MAML框架，并且可以优于比较算法。
控制并迅速处置多余的火炮发射药
实弹训练是维持军事人员战斗力的重要因素。炮兵（包括迫击炮和榴弹炮）的野外训练需要使用配备全套发射药的弹药。这些发射药使射弹能够射到最大射程。由于特定训练任务的目标、射程限制以及使用最大数量发射药对武器系统的压力，大多数训练演习不需要使用所有发射的发射药。多余的发射药可以返回弹药供应点 (ASP) 重新发放，返回 ASP 进行集中处理，或者由部队作为训练的一部分在射击点处理。由于大多数现有发射药不可重复使用，并且处理和运输开放式发射药存在固有风险，大多数多余的发射药在野外燃烧销毁，通常是在射击点附近的地面上销毁。在美国和许多其他国家，野外处理多余的推进剂被视为战斗训练不可或缺的一部分。这是实际战斗中发生的事情，因此部队需要接受有关野外正确处理程序的培训。美国陆军寒冷地区研究与工程实验室 (CRREL) 的研究表明，在野外对多余的推进剂进行适当的处理是可行的。
扎实的课程学习 - 乔治梅森大学计算机科学系
摘要 — 机器人强化学习 (RL) 的真实世界数据成本高昂，导致了模拟器的广泛使用。尽管人们为构建更好的模拟器动力学模型以匹配现实世界进行了大量工作，但模拟和现实世界之间还有另一个经常被忽视的不匹配，即可用训练任务的分布。现有的课程学习技术进一步加剧了这种不匹配，这些技术会自动改变模拟任务分布，而不考虑其与现实世界的相关性。考虑到这些挑战，我们认为机器人 RL 的课程学习需要以现实世界的任务分布为基础。为此，我们提出了基于课程的学习 (GCL)，它将课程中的模拟任务分布与现实世界相结合，并明确考虑赋予机器人的任务以及机器人过去的表现。我们使用 BARN 数据集在复杂的导航任务上验证了 GCL，与最先进的 CL 方法和人类专家设计的课程相比，成功率分别提高了 6.8% 和 6.5%。这些结果表明，GCL 可以通过在自适应课程中将模拟任务分布与现实世界相结合，从而提高学习效率和导航性能。
在 7T 人类神经影像数据预测中对各种人工视觉模型进行大规模基准测试
机器视觉和认知神经成像技术的快速同步发展为（重新）评估人类视觉系统人工模型的现状提供了无与伦比的机会。在这里，我们对 85 种现代深度神经网络模型（例如 CLIP、BarlowTwins、Mask-RCNN）进行了大规模基准分析，以强大的统计能力表征架构和训练任务的差异如何影响对人类视觉系统 16 个不同区域的 fMRI 活动的预测。我们发现：第一，即使是鲜明的架构差异（例如 Transformers 和 MLP-mixer 中没有卷积）对大脑数据的紧急拟合也影响很小；第二，任务的差异有明显的影响——分类和自监督模型显示出相对更强的大脑预测能力；第三，特征重新加权可显着提高大脑预测能力，而不会过度拟合——产生模型到大脑的回归权重，这些权重在数千张新图像中对大脑反应的预测能力达到相同的水平。广义上，这项工作展示了现代深度神经网络模型的特征空间与人类视觉系统固有的表征结构之间出现的对应关系的概况。
标题 初级视觉皮层中的现有功能不会因非匹配感官任务的新技能习得而受到干扰 作者列表 Brian B. Jeon 1
通讯作者：Sandra J. Kuhlman，电子邮件：skuhlman@cmu.edu 附属机构 1 卡内基梅隆大学生物医学工程系，2 认知神经基础中心，3 神经科学研究所，4 生物科学系 摘要 获得新技能可能会扰乱现有的网络功能。为了直接评估先前获得的皮质功能是否在学习过程中发生改变，使用耦合到初级视觉皮层 (V1) 神经元的光学脑机接口设备对小鼠进行抽象任务训练，其中选定的活动模式会得到奖励。使用双光子钙成像纵向记录兴奋性神经元。尽管在执行任务期间局部神经活动发生了显著变化，但在训练环境之外评估的调节特性和刺激编码并未受到干扰。同样，在不同的视觉辨别训练任务后保持反应的神经元中的刺激调节是稳定的。然而，视觉辨别训练增加了表征漂移的速度。我们的结果表明，虽然某些形式的感知学习可能会改变单个神经元对刺激编码的贡献，但新技能学习本质上并不会破坏成人 V1 中刺激表征的质量。
增强机器人的自主技能评估 -
提高的手术技能在确保最佳患者预后起着至关重要的作用。传统方法包括自我评价问卷和专家评估，但是这些方法容易偏见，需要大量合格的人力资源。手术数据科学（SDS）的出现为自动化技能评估，利用数据科学技术的自动化途径提供了有前途的途径，以捕获，组织，AN-ANYZE和模型手术数据。In this paper, kinematic data was employed from the JIGSAWS – which is the only skill-annotated Robot-Assisted Minimally Invasive Surgery (RAMIS) dataset – to classify surgeons into novice and experienced groups, using various classification methods (Decision Tree, k-Nearest Neighbors, Support Vector Machines, Lo- gistic Regression, Dynamic Time Warping, and 1D Convolutional Neural Network).研究包括对参数调整和尺寸还原技术的详尽分析，目的是建立用于数据分类的通用基准。缝合，结式和针刺的手术训练任务始终达到100％的精度。手术手势分析中获得的准确性通常超过数据集全球评估的总体准确性。